
当下,大数据以应用在很多的行业,都取得了不俗的成绩。那么大数据和电子竞技的结合又将碰撞出什么样的火花呢?
不得不说,这些年来电子竞技永远是一个充满话题的领域,与几年前的备受争议不同,如今电竞随着玩家和观众规模的倍数增长,外界资本的大量流入,加之政府态度的软化,正逐渐向着越来越正规的方向发展。这其中包括电子竞技俱乐部的规范化、赛事数量增多、主办方组织水准提升、网络转播的专业化等方方面面。然而,从近一年多来的Dota2、LOL等主流电竞项目的大型赛事来看,似乎又多了一项正在慢慢步入正轨的生意。
在去年几次大赛的赛后采访中,不少战队都提到了团队中数据分析师的关键作用,这些分析师们的主要职责就是针对选手在游戏中的各种比赛数据进行汇总,并把每个选手比赛习惯的相关信息进行量化,将数据通过相关模型进行效果分析,运用这些数据发现每位选手的优缺点,以此来指导战队的英雄选择和战术设计,同时提供比赛对手的各种情报。
长久以来,电子竞技一直被认为是由电脑游戏进化而来,因此也就自然而然的被人附加上了随心所欲、娱乐至上、游戏技术决定论等属性。然而在电子竞技赛事奖金不断增长,观众不断增加,竞争愈加激烈的大环境下,也在很大程度上促进了电子竞技的职业化进程,而选手的水平似乎仅仅成了获胜因素的一个方面,战术设计、硬件设备、后勤保证、数据分析等越来越多接近传统体育项目的术语和概念开始被电子竞技所接纳。而这一切,也正预示着电子竞技大数据时代的开启。
其实关于游戏的数据分析一直都存在,数据分析师这个职业也不是近一两年才出现的,只不过之前的数据分析主要集中在营销和运营层面,涉及的主要内容包括游戏的传播效果、广告的投放效果、用户层次分布、游戏时间、新玩家价值与收益等方面,是从游戏运营商的需求出发的。而本文所谈的新一轮的游戏大数据趋势主要集中在游戏中产生的数据,尤其是停留在竞技层面上的数据,是由玩家的需求所产生的。
在单机游戏时代,由于早期的网络联机功能不完善,游戏大多只注重娱乐性,注重玩家的个人体验。而到了网络时代,联机逐渐成为游戏的一大乐趣。要知道,一旦从与电脑对战转变为人与人之间的较量,竞技性上的提升就完全不在一个层次。与别人的对比和赶超是人的天性,没有人甘当失败者,而胜者又急于将自己的成果公诸于众。如何将这些东西量化,成为衡量胜负的绝对因素,也成为了游戏设计中重要的考量因素之一。而游戏也从个人对战丰富为多人之间的合作与竞争,团队开始成为游戏的另一核心元素。在这一背景下,从星际争霸、魔兽争霸再到现在的刀塔和英雄联盟,无一不遵循这一轨迹。
游戏自身的不断发展也出现了一种潜在的趋势,随着团队合作竞技游戏的出现,一些符合上述元素的游戏开始出现竞技化趋势,并且竞技强度和节奏都在逐步提高,当到达一定的门槛后就自然而然的从娱乐性游戏迈入了电子竞技的圈子。而游戏竞技化所带来的影响就是越复杂的游戏就会有着越专业的操作要求,同样越专注的玩家就需要越详细的游戏数据分析总结并以此获得技术上的提升。
但是不论普通玩家还是比赛选手,仍然是通常意义上的游戏玩家,只不过竞技元素的加入让不少玩家开始注重游戏的发挥和成绩,于是量化的数据就成了最直接也是最现实的追求。在国外,近几年也陆续出现了几家专供游戏数据和游戏百科的网站,Curse和ZAM就是两家较为出色的数据提供商,他们建立并提供包含了数十款游戏在内的电子数据库和相关的数据分析,并逐步开始尝试提供游戏教学、培训等增值服务。
而国内市场,Dotamax这家提供Dota2游戏数据的网站也借助Dota2在国内的流行开始逐渐被玩家了解,并在经历了一段时间的发展后将数据库进一步扩展,包含了英雄联盟、炉石传说、暗黑破坏神3等多款游戏的数据。随着不少玩家对游戏水平的执着追求,Dotamax甚至开始提供专业的比赛录像解析服务,并按照时间收取一定的费用。而流量的逐步提升也证明了玩家对于游戏数据的需求的确在逐渐提高,并且这个速度比预想的还要快。
电子竞技的火爆是不言而喻的,这不仅仅在于出现了越来越多的赛事以及天价的奖金,还伴随着诸多获得资本追逐的衍生产品。随着对电子竞技选手的商业价值开发和对电竞赛事的转播需求,基于电子竞技圈所诞生的社交平台、电商平台和直播平台层出不穷,不仅获得风投青睐,还曾出现过Twitch这样被亚马逊10亿美金收购的现象级产品,不少衍生品也都收获了大批的用户。
甚至一直被外界诟病的只会烧钱的电竞俱乐部,也开始获得资本的重视。俄罗斯的VP俱乐部在去年年底获得了俄罗斯首富阿利舍尔·乌斯马诺夫旗下公司1亿美金的投资,这应该也是有史以来电子竞技俱乐部所获得的最大的一笔资金注入,这对于电子竞技向传统体育靠拢有着极其重要的意义。几乎相同的时间,依托中国Newbee战队所成立的蓝游文化也宣布获得1100万美元的A轮融资,再加上王思聪持有的老牌俱乐部IG,也标志的电子竞技资本时代的到来。
而在各种衍生品层数不穷的背景下,基于游戏的数据服务出现就显得再正常不过了,一个观众数量庞大,有成绩需求,且持续被资本热炒的圈子急需通过一些量化的内容带来信息层面的支撑,而不少俱乐部也需要数据来帮助选手提高以取得更好的比赛成绩。在这种情况下,基于游戏数据的衍生就成了一个极具前景的领域。
随着大数据概念与全社会各领域深度结合的进一步加速,电子竞技一定也会在未来某一时间拥抱大数据,而相关游戏数据服务的提供也正是电子竞技大数据时代的开端。
除了资本热潮之外,电子竞技自身的发展也在朝着职业化的道路前进。甚至在圈子的划分上与游戏出现分隔,开始向着传统体育项目的建设方式转变。
目前先进的体育项目,以足球、篮球为例,有着完备的电视转播和成熟的商业开发模式,电子竞技在转播权的售卖和商业赞助的开发上虽无法与世界第一运动足球相比拼,但也已经有了不小的规模。而在团队建设和团队保障上与传统体育项目之间尚存在着不小的差距。
以数据分析为例,足球俱乐部中配备数据分析师已经有了多年的历史,分析师们不仅分析球员们在球场上的射门、跑动等数据,还负责监测球员日常训练时的身体反应等一系列生理指标,为科学合理的训练提供数据支持。而目前在电子竞技领域数据分析师这一角色也不过刚刚被引进不久,更多的工作也是针对游戏中的数据,暂时还无法做到全天候的数据监测和分析。
不过,电子竞技的优势在于,其载体就是电脑和网络,游戏的载体也是数据的载体,这也为电竞项目的数据分析提供了天然的土壤。同时由于电子竞技对于设备的高要求,也为下一步与智能硬件设备之间的结合提供了可能。
例如,在田径和足球训练中常见的GPSports智能系统近年来颇为流行,这套高科技设备主要用来监测运动员比赛训练时的身体状态、呼吸心跳等生理指标。而一些智能鼠标、智能键盘等硬件设备的出现也为监测电子竞技运动员的身体指标提供了可能。前魔兽争霸世界冠军李晓峰的创业团队曾推出过一款电竞专用鼠标,就融入了数据监测功能,可以实时记录操作者的心率、手速等指标。未来这些设备肯定会更多的被专业电子竞技俱乐部所采用,用来更科学的进行比赛训练时队员的各项指标监测。
而随着电子竞技的逐渐普及,以及游戏的竞技化趋势,上文所提及的数据分析网站和各类智能硬件设备也会逐步被玩家所接受,甚至还会出现基于用户个性化定制的不同产品。这些产品与应用的出现与其说是借了当下电竞热的东风,不妨说是互联网和科技发展浪潮之下的必然产物。而与数据深度结合的电子竞技,也必定会在这股浪潮下继续前行,属于电子竞技的大数据时代,真的不再遥远了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29